[論文レビュー] Anyone Can Become a Troll: Causes of Trolling Behavior in Online Discussions

Justin Cheng, Michael S. Bernstein+2 more|arXiv (Cornell University)|Feb 3, 2017

Social Media and Politics被引用数 108

ひとこと要約

この論文は、ネガティブな気分と以前の troll 投稿への露出が trolling propensity を高めることを、統制されたオンライン実験と大規模CNN.comデータセットを用いて示し、気分と文脈に基づく予測モデル（AUC 0.78）を提示して、 trolling はほぼ状況依存で生来のものではないことを示唆している。

ABSTRACT

In online communities, antisocial behavior such as trolling disrupts constructive discussion. While prior work suggests that trolling behavior is confined to a vocal and antisocial minority, we demonstrate that ordinary people can engage in such behavior as well. We propose two primary trigger mechanisms: the individual's mood, and the surrounding context of a discussion (e.g., exposure to prior trolling behavior). Through an experiment simulating an online discussion, we find that both negative mood and seeing troll posts by others significantly increases the probability of a user trolling, and together double this probability. To support and extend these results, we study how these same mechanisms play out in the wild via a data-driven, longitudinal analysis of a large online news discussion community. This analysis reveals temporal mood effects, and explores long range patterns of repeated exposure to trolling. A predictive model of trolling behavior shows that mood and discussion context together can explain trolling behavior better than an individual's history of trolling. These results combine to suggest that ordinary people can, under the right circumstances, behave like trolls.

研究の動機と目的

• オンライン討論で普通のユーザーがなぜ trolling に関与するのかを理解する動機づけ。
• trolling propensity に影響を与える二つの trigger 機構、すなわち user mood と discussion context を特定する。
• 気分と文脈が trolling 行動に及ぼす因果効果を実験的に確立する。
• 主要なニュース討論サイトからの大規模観察データを用いて所見を検証する。
• 気分と文脈に基づいて trolling の可能性を評価する予測モデルを開発する。

提案手法

• 参加者の気分（positive vs negative）と議論文脈（初期の troll vs benign posts）を変化させる2×2オンライン実験を実施する。
• 専門家のラベリングとLIWCベースのネガティブ感情を用いてtrolling 行動と感情を測定する。
• 経路依存性を制御し、独立した議論環境を保証するために、ランダム化されたマルチユニバース設計を用いる。
• NegMoodとNegContextの trolling の可能性への効果を評価するために混合効果ロジスティック回帰を行う。
• 実験結果を、CNN.com の議論（16.5M posts）を対象とした大規模かつ longitudinal な分析で補足し、気分の代理変数と露出効果を研究する。
• 気分と議論文脈を予測子として用い、trolling を予測するロジスティック回帰モデルを構築・評価する（AUC = 0.78）。

実験結果

リサーチクエスチョン

• RQ1 ネガティブな気分は、オンライン討論でユーザーがtrolling投稿をする可能性を高めるか。
• RQ2 議論文脈での以前のtroll投稿の露出は、trolling propensityを高めるか。
• RQ3 気分と議論文脈はtrolling行動に相互作用をもたらすか。
• RQ4 実世界データでtrollingはユーザー間・議論間に伝染して広がるか。
• RQ5 気分と文脈は、ユーザーの過去のtrolling履歴と比較して、trolling行動をどれだけ予測できるか。

主な発見

• ネガティブな気分はtrollingのオッズを89%増加させる。
• 議論における以前のtroll投稿の存在は、trollingのオッズを68%増加させる。
• 実験では、ネガティブな気分とネガティブな文脈の組み合わせが基準のtrolling率を倍増させる。
• CNN.comデータでは、フラグ付けされた投稿のうち4分の1が、以前のフラグ履歴のないユーザーからのものであり、普通のユーザーもtrolling に寄与していることを示唆する。
• Trolling propensity は時間とともに母集団の気分変動を追跡し、議論を横断して持続と減衰のパターンを示す。
• 気分と議論文脈を用いたロジスティック回帰モデルは、trolling 行動を予測する際にAUC = 0.78を達成する。